以用户活跃度为例，聊聊B2B群组分析

本文讲的是关于留存率的B2C群组分析——通过B2B群组分析，你可以确定不同群组和不同时间的用户活跃度和留存率之间的差异，并对下一步的产品策略与运营策略产生影响。

在之前的文章中，我们讨论了B2C的群组分析。我们首先得出群组分析如何使你看到用户组之间的差异。然后，我们讨论了群组分析如何使你可以快速看到迭代效果。

虽然群组分析在B2C领域非常强大，但它们很难在B2B领域中脱颖而出。

这是为什么？

这是因为与B2C产品相比，B2B产品显示出一些基本的结构差异。

事实上，在我与Blend产品分析师Ying Luo一起工作之前，我并不知道B2B群组分析和B2C群组分析之间的差异！

为了更好地了解贷款人员如何与Blend进行长期合作，Ying和我进行了一个真实的B2B群组分析。基于这些背景，在这里我将通过一组假设的例子，和大家聊聊B2B群组分析。

在本文中，我将首先介绍B2B产品与B2C的不同之处，以及这些不同如何使B2B群组分析变得困难。

B2B群组分析 VS B2C群组分析

B2C群组分析更简单，是因为这些产品往往有大量，稳定的用户流量和有规律的用户参与。

换句话说，通过激活日期可以轻松划分用户群，以获得类似于下图的群组分析。可以看到，这些群组规模很大，并且随着时间的推移很容易看到趋势。

但是，企业B2B产品无法保证以下两点：

1. 持续的新用户流：B2B产品通常有发布时间，大量用户将在一个时间点加入
2. 频繁的使用次数：许多B2B产品没有像Facebook或Instagram那样的日常用例

为什么这会影响群组分析？

首先，如果你没有持续的流量，你无法再按时间分组。

因为如果按时间分，每个群组的规模会不同，并且每个群组严重偏向于特定的客户子集。也就是说，当你进行B2C群组分析时，你可以假设每个群组之间的关键差异是 ** 产品本身的状态** 。但是，在B2B群组分析中，你还必须考虑 ** 群组** ** 本身的组成** 。

举个例子，假设在这段时间，ABC公司使用了你的B2B产品：

可以看到，对于ABC公司，每个群组的情况几乎完全相同。换句话说，如果你只看ABC公司，你会推导出你在这8周内发布的任何产品优化似乎都没有作用。此外，请注意ABC公司用户数量的最大峰值来自第1周。这种区别在某种程度上很重要！

现在假设这段时间，XYZ公司用户使用了你的B2B产品：

XYZ公司每个群组的情况也基本相同。但是我们发现，总体来看，XYZ 公司没有ABC 公司的用户活跃度高。同时，XYZ公司用户数量的最大峰值来自第8周。

如果我们将这种分析汇总在一起会怎样？

好吧，我们结果如下：

如果没有每个公司的基础数据，你可能会得出：产品在第1周比第8周更好，因为第1周的用户活跃度更高。

但实际上，区别只是由于 用户组成不同 ！换句话说，构成每个群组的用户群基本上是不同的。

无论产品如何， ABC公司用户本身就比XYZ公司更加活跃 。你只是碰巧第一群组的ABC用户更多而已。

因此，与B2C不同，B2B产品很难按时间分组。

其次，当你不能保证产品被 频繁使用 时，就会很难准确地跟踪每日工作或每周工作周期，并且你可能需要使用 更大的粒度 。

例如，假设你的产品仅供财务团队用于完成工资单，这种情况每两周发生一次。你最终可能会看到如下所示的每日用户活跃度图表：

如果你试图以天为单位做群组分析，你可能会得到下面这个无意义的结果

每天的数据波动太大，因此即使每个群组的行为方式相同（每月的第14天和第30天都有很多活跃用户），你也 无法比较不同群组 。

因此，不应该按天对B2B用户分组，应该用 更大的时间范围 。

然而，群组分析在B2B中仍然非常重要！

那么，你如何对B2B产品进行群组分析呢？

B2B群组分析——最佳分组方式

如果你通过以下方式为B2B产品进行组合，你会得到独特有效的见解：

• 按客户属性（大小，业务模型，计划）
• 按用户角色

首先，通过客户属性进行同类分组，你可以查看在B2B中提供的 不同客户群 。

例如，假设你的产品是营销支持平台。你可能希望将拥有集中营销团队的客户与分布式营销团队的客户进行对比，因为每个客户可能有不同的需求。你的产品对集中式团队还是分布式团队更有效呢？

此外，根据 ** 客户规模** 进行群组分析可以让你知道你的产品更适合大客户还是小客户。

至关重要的是，你要了解你的产品在细分市场上的表现，因为这将决定如何确定你的产品路线图。

请记住，你作为产品经理的成功取决于 ** 产品/市场契合度** ，这本身取决于你创建的产品和你的目标市场。

此外，根据客户 ** 购买的计划类型** 分组是确定你的不同类型的产品各自表现的好方法。

例如，假设你以两种不同的方式提供产品：‘企业套餐’，以及‘个人搭配’。哪种类型更有有价值呢？

除非你使用群组分析来划分这两中完全不同的客户群体，否则你将无法分辨！

除了按B2B产品的客户类型进行组合，你还可以 按用户角色 。

比如说：你是销售部门的产品经理。你在平台上有几个不同的角色：管理员，销售经理，销售员，营销人员和业务运营。

你应该按 ** 用户角色** 分组，以便了解不同角色是如何使用产品。

这样，当你发布一个需求时，你可以确定它如何影响每个角色。然后根据不同角色的使用反应，决定这个需求的迭代方向。

由于B2B产品很复杂，所以你提供的某些功能可能会有利于某个角色，同时不利于另一个角色，这是不可避免的。

因此，通过群组分析可以权衡取舍带来的利弊！

B2B群组分析——最佳时间段划分

请记住，群组分析依赖于两个轴 - 群组（如何拆分不同的群组）和时间（多久分析一次）。

我们已经讨论了如何更有效地为B2B分组。现在，我们来谈谈如何更有效地选择时间切片。

考虑利用以下方法来减少分析中的偏差：

• 选择更大跨度的时间切片
• 将时间与重大事件对齐

首先， 在较长时间范围内读取事件可以降低分析中的噪音。

还记得我们之前的例子，财务用户可能每两周才使用一次吗？每日或每周时间片太嘈杂，无法产生任何有意义的见解。

我经常听到的一个问题是——如果你使用更大的时间块，你可能会错过在较小时间尺度上的关键见解。

虽然这是一个有效的问题，但请记住，企业通常需要 ** 花时间来** ** 适应** B2B产品的功能。

因此，每日或每周时间片在企业空间中通常无效。

其次， 在确定如何设置分析时，你应该针对每个客户的 ** 重要事件确定基准时间** 。

将客户经历的某个重要事件的时间而不是一个随便的日期设为初始时间片。

例如，考虑 ** 产品首次** ** 推出** ** 的** ** 日期** 。

一个随便的日期不会告诉你用户使用你的产品的时间。

“自全国推出以来的天数”却可以告诉你这些信息！因此，它更适合于观察群组的表现情况。

总结

虽然B2B群组分析很难，但它可以带来难以置信的回报！通过B2B群组分析，你可以确定不同群组和不同时间的用户活跃度和留存率之间的差异。

要降低分析中的偏差，你应该考虑两个轴： ** 群组** 和 ** 时间片** 。考虑按客户属性或用户角色而不是用户使用日期进行群组划分。在按时间切片时，请考虑更大的时间片，并考虑以每个客户发生的重大事件的时间为指标。

有任何不明白或者想要讨论的问题，欢迎大家留言在评论区哦~

原文地址：https://www.productmanagerhq.com/2019/06/b2b-cohort-analysis/

原文作者：Clement Kao

编译作者：兔几；公众号：pm-yeah

本文由 @兔几 翻译发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash, 基于CC0协议

作者暂无likerid, 赞赏暂由本网站代持，当作者有likerid后会全部转账给作者（我们会尽力而为）。


Support author:
Author's Filecoin address:
Or you can use Likecoin to support author: